多元控制图的多少研究.pdf

摘要 摘要 统计过程控制(SPC)己被广泛应用于各种生产过程．在现代统计过程控制中， 同时监控一个生产过程的多个质量特征已经变得非常常见．这样随之产生了几种 制图(MEWMA)．已有研究表明，Shewhart{空制图对检测大漂移非常有效而累积和 eta1． 控制图和指数滑动平均控制图对检测中小漂移有非常好的效果(Wadsworth and 1986，Ryan1989，Montgomery2001)．WoodaU et a1．(2000)表明多元控制图是新世纪一个非常重要的研究领域．本论文的目的就 是试图研究多元控制图．在本论文里，我们集中讨论以下问题：为进行初始分析 的基于似然比的多元累积和控制图；为进行初始分析的基于数据深度的多元累积 和控制图；带有可变抽样区间的多元自适应累积和控制图：和基于经验似然的多 元指数滑动平均控制图．下面我们给出简要介绍． 在文献里，我们需要区分控制图的第一阶段和第二阶段．在第二阶段，过程 分布假设是完全已知的．大多数的控制图应用还假设监控的过程服从多元正态分 布．然而，在实际应用中，过程的分布或分布参数常常是未知的．因此，有必要构 造一个统计上受控的过程，然后来估计过程参数，这称为“初始分析”，“回忆分析” 或“第一阶段分析”．在第一阶段分析分析里，我们用历史数据来确定过程是否统 计受控，然后估计过程参数．第1章的目的就是研究第一阶段分析．在文献中，已经 有很多多元控制图来对单个或成组观测值进行第一阶段分析，例如俨控制图(参 and et 考Wierda 1995，Mason 1994，Lowry a1．1997)，发展的铲控 Montgomery and 制图(T2D)(参考Holmes1993)，基于似然比检验的控制图(M+D)(参 Mergen 考SullivanandWoodall and 2000)和S＆Ⅳ控制图(SrivastavaWorsley1986)．Sullivan and WoodaU(2000)指出在检测或者均值向量或者协方差矩阵或者两者同时发生的 过程时，M+D控制图比铲和铲D控制图更有效．S＆w控制图在检测过程均值 and 时更有效，但它不能检测协方差矩阵的变化．SullivanWoodaU(2000)指出， 当样本容量m，m1和m2=仇一m1都充分大时，似然比统计量lr(m1，m)近似服 从x2白p+a)／2)分布．然而，当m1或m2固定时，这个结果却是不成立的．在这 摘要 一章里，我们给出了当m1或m2固定时lr(m1，m)的计算期望和方差的公式以及极 限分布的特征函数．另外，基于极大似然比统计量我们给出了两种累积和控制 程均值漂移，而CUSUM．MS控制图可以用来监测过程均值或者方差．模拟结果表 明，在检测过程均值漂移时，CUSUM-M控制图优于S＆Ⅳ控制图，除了非常大的 漂移，CUSIJl垤-MS控制图一致显著优于M+D控制图． and 在很多应用里，正态性的假设并不成立，尤其是多元观测情形．Stoumbos Sullivan(2002)研究了多元指数滑动平均控制图对非正态的稳健性．结果表明，如 果真实的分布与假设的分布差别很大时，控制图的性质就会有很大的差别．从另 外一个角度来看，即使过程服从多元正态分布，过程均值向量和协方差矩阵都是 由受控样本来估计的．然而，运用带有估计的参数会使得控制图表现有大幅度的